論文の概要: Interpreting Chest X-rays via CNNs that Exploit Hierarchical Disease
Dependencies and Uncertainty Labels
- arxiv url: http://arxiv.org/abs/2005.12734v1
- Date: Mon, 25 May 2020 11:07:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 06:13:18.654190
- Title: Interpreting Chest X-rays via CNNs that Exploit Hierarchical Disease
Dependencies and Uncertainty Labels
- Title（参考訳）: 階層性疾患依存と不確実性ラベルを爆発させるCNNによる胸部X線解析
- Authors: Hieu H. Pham, Tung T. Le, Dat T. Ngo, Dat Q. Tran, Ha Q. Nguyen
- Abstract要約: 本稿では,14の一般的な胸部疾患の存在と観察を診断するための,深部畳み込みニューラルネットワーク(CNN)に基づく枠組みを提案する。
提案手法はCheXpertコンペティションのinde-pendentテストセット上でも評価され, 経験者5名によるアパネルでアノテートされた500個のCXR研究が含まれている。
- 参考スコア（独自算出の注目度）: 0.33598755777055367
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The chest X-rays (CXRs) is one of the views most commonly ordered by
radiologists (NHS),which is critical for diagnosis of many different thoracic
diseases. Accurately detecting thepresence of multiple diseases from CXRs is
still a challenging task. We present a multi-labelclassification framework
based on deep convolutional neural networks (CNNs) for diagnos-ing the presence
of 14 common thoracic diseases and observations. Specifically, we trained
astrong set of CNNs that exploit dependencies among abnormality labels and used
the labelsmoothing regularization (LSR) for a better handling of uncertain
samples. Our deep net-works were trained on over 200,000 CXRs of the recently
released CheXpert dataset (Irvinandal., 2019) and the final model, which was an
ensemble of the best performing networks,achieved a mean area under the curve
(AUC) of 0.940 in predicting 5 selected pathologiesfrom the validation set. To
the best of our knowledge, this is the highest AUC score yetreported to date.
More importantly, the proposed method was also evaluated on an inde-pendent
test set of the CheXpert competition, containing 500 CXR studies annotated by
apanel of 5 experienced radiologists. The reported performance was on average
better than2.6 out of 3 other individual radiologists with a mean AUC of 0.930,
which had led to thecurrent state-of-the-art performance on the CheXpert test
set.
- Abstract（参考訳）: 胸部X線 (CXR) は放射線科医 (NHS) が最も多く発注する視線の一つであり、多くの胸部疾患の診断に重要である。
CXRから複数の疾患を正確に検出することは依然として難しい課題である。
深層畳み込みニューラルネットワーク(CNN)を用いた多言語分類フレームワークを提案し,14の一般的な胸部疾患の存在と観察を診断する。
具体的には,異常ラベル間の依存関係を利用したAstrong set of CNNsを訓練し,不確実なサンプルの取り扱いを改善するためにラベルの平滑化正則化(LSR)を用いた。
私たちのディープネットワークは、最近リリースされたchexpertデータセット(irvinandal., 2019)の20万以上のcxrでトレーニングされ、バリデーションセットから選択された5つの病理を予測するために、最もパフォーマンスの高いネットワークのアンサンブルであるfinalモデルが、曲線(auc)下の平均領域を0.940に減らしました。
私たちの知る限りでは、これはこれまでに報告されたAUCの最高スコアです。
さらに,CheXpertコンペティション(CheXpertコンペティション)のinde-pendentテストセットに,経験者5名によるアパネルを付加した500個のCXR研究を含む方法も検討した。
報告された性能は、CheXpertテストセットで現在行われている最先端のパフォーマンスに繋がった平均AUC0.930の他の3人の放射線学者のうち、平均2.6倍であった。
関連論文リスト
- Advancing Diagnostic Precision: Leveraging Machine Learning Techniques
for Accurate Detection of Covid-19, Pneumonia, and Tuberculosis in Chest
X-Ray Images [0.0]
新型コロナウイルス、結核(TB)、肺炎などの肺疾患は、依然として深刻な世界的な健康上の問題となっている。
救急医療と科学者は、早期の新型コロナウイルス(COVID-19)の診断に信頼性と正確なアプローチを作成するために、集中的に取り組んでいる。
論文 参考訳（メタデータ） (2023-10-09T18:38:49Z) - Expert Uncertainty and Severity Aware Chest X-Ray Classification by
Multi-Relationship Graph Learning [48.29204631769816]
我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。
以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-09-06T19:19:41Z) - Revisiting Computer-Aided Tuberculosis Diagnosis [56.80999479735375]
結核(TB)は世界的な健康上の脅威であり、毎年何百万人もの死者を出している。
深層学習を用いたコンピュータ支援結核診断 (CTD) は有望であるが, 限られたトレーニングデータによって進行が妨げられている。
結核X線(TBX11K)データセットは11,200個の胸部X線(CXR)画像とそれに対応するTB領域のバウンディングボックスアノテーションを含む。
このデータセットは、高品質なCTDのための洗練された検出器のトレーニングを可能にする。
論文 参考訳（メタデータ） (2023-07-06T08:27:48Z) - Long-Tailed Classification of Thorax Diseases on Chest X-Ray: A New
Benchmark Study [75.05049024176584]
胸部X線上の胸部疾患の特定領域における長期学習問題についてベンチマーク研究を行った。
我々は,自然に分布する胸部X線データから学ぶことに集中し,一般的な「頭部」クラスだけでなく,稀ながら重要な「尾」クラスよりも分類精度を最適化する。
このベンチマークは、19と20の胸郭疾患分類のための2つの胸部X線データセットで構成され、53,000のクラスと7のラベル付きトレーニング画像を含む。
論文 参考訳（メタデータ） (2022-08-29T04:34:15Z) - An Accurate and Explainable Deep Learning System Improves Interobserver
Agreement in the Interpretation of Chest Radiograph [0.33598755777055367]
VinDr-CXRは、CXRスキャンを複数の胸腺疾患に分類し、画像上の重要な発見のほとんどをローカライズすることができる。
提案システムにより,Fleiss' Kappa平均の1.5%の増加により,放射線学者間の合意が大幅に改善された。
論文 参考訳（メタデータ） (2022-08-06T17:03:49Z) - Multi-Label Classification of Thoracic Diseases using Dense Convolutional Network on Chest Radiographs [0.0]
そこで本研究では,1回の検査で複数の病態を検出できる多ラベル疾患予測モデルを提案する。
提案モデルでは,AUCスコアが0.896であった。
論文 参考訳（メタデータ） (2022-02-08T00:43:57Z) - Learning to Automatically Diagnose Multiple Diseases in Pediatric Chest
Radiographs Using Deep Convolutional Neural Networks [0.4697611383288171]
ディープ畳み込みニューラルネットワーク(D-CNN)は成人の胸部X線写真(CXR)スキャンにおいて顕著な性能を示した。
本稿では,5,017名の小児CXRスキャンの大規模なデータセットを遡及的に収集し,それぞれを経験者によって手動でラベル付けする。
その後、D-CNNモデルは3,550個の注釈付きスキャンで訓練され、複数の小児肺病理を自動分類する。
論文 参考訳（メタデータ） (2021-08-14T08:14:52Z) - COVID-Net CXR-2: An Enhanced Deep Convolutional Neural Network Design
for Detection of COVID-19 Cases from Chest X-ray Images [58.35627258364233]
RT-PCR検査への無料スクリーニング戦略として胸部X線(CXR)イメージングの使用は成長し続けています。
我々は、CXR画像からCOVID-19を検出するための深層畳み込みニューラルネットワーク設計であるCOVID-Net CXR-2を紹介する。
ベンチマークデータセットは、少なくとも51カ国16,656人の多国籍コホートから19,203個のCXR画像で構成された。
論文 参考訳（メタデータ） (2021-05-14T04:29:21Z) - Many-to-One Distribution Learning and K-Nearest Neighbor Smoothing for
Thoracic Disease Identification [83.6017225363714]
ディープラーニングは、病気の識別性能を改善するための最も強力なコンピュータ支援診断技術となった。
胸部X線撮影では、大規模データの注釈付けには専門的なドメイン知識が必要で、時間を要する。
本論文では、単一モデルにおける疾患同定性能を改善するために、複数対1の分布学習(MODL)とK-nearest neighbor smoothing(KNNS)手法を提案する。
論文 参考訳（メタデータ） (2021-02-26T02:29:30Z) - Automated Radiological Report Generation For Chest X-Rays With
Weakly-Supervised End-to-End Deep Learning [17.315387269810426]
我々は12,000以上のCXRスキャンと放射線学的レポートを含むデータベースを構築した。
我々は,深層畳み込みニューラルネットワークとアテンション機構を持つリカレントネットワークに基づくモデルを開発した。
このモデルは、与えられたスキャンを自動的に認識し、レポートを生成する。
論文 参考訳（メタデータ） (2020-06-18T08:12:54Z) - COVID-Net S: Towards computer-aided severity assessment via training and
validation of deep neural networks for geographic extent and opacity extent
scoring of chest X-rays for SARS-CoV-2 lung disease severity [58.23203766439791]
胸部X線(CXR)はSARS-CoV-2重症度を評価するためにしばしば用いられる。
本研究では,深層学習システムを用いて,SARS-CoV-2肺疾患重症度に対するCXRのコンピュータ支援による評価の有効性を評価する。
論文 参考訳（メタデータ） (2020-05-26T16:33:52Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。